SLDBench v2评测主动发现缩放定律
热点事件持续更新
SLDBench v2评测主动发现缩放定律
1 篇报道1 个报道来源47 分钟前更新
先了解这件事
AI 综述
香港中文大学(深圳)、港大、清华、北大及合作研究者发布SLDBench v2,评测智能体能否以有限算力主动发现缩放定律。Claude Opus 5.5仅使用实验池历史算力成本的4.01%,取得中位数R²为0.570,高于使用全部数据的经典拟合基线0.455。 该基准让智能体从带有算力成本的实验目录中选择结果、修正候选定律并决定何时停止,再以隐藏的更大规模实验验证预测。在30个任务中,8个受测系统主动选择实验后的表现均低于获得全部实验结果时,研究者称,廉价观测可能使关键假设未经验证。
AI 根据报道生成 · 24 分钟前更新
最新进展11月16日 23:00
SLDBench v2 发布:Claude Opus 5.5 仅用 4% 算力成本超越经典拟合基线报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- AGI HuntSLDBench v2 发布:Claude Opus 5.5 仅用 4% 算力成本超越经典拟合基线
Researchers from CUHK-Shenzhen、HKU、Tsinghua、Peking University 及合作者推出 SLDBench v2,用于评测智能体主动发现扩展定律。Claude Opus 5.5 仅使用实验池历史算力的 4.01%,取得中位数 R² 0.570,超过使用全部数据的经典拟合基线 0.455;30 个任务中,8 个系统在主动选择实验后均出现性能下降。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。